Pandas中基于映射规则新增列将列值归类到预设分组的高效实现方法

核心思路是把你现有需要反查的映射字典预处理为正向查找字典，配合Pandas原生向量化操作实现百万级数据秒级处理，无额外计算开销。

步骤1：构造正向查找字典 #

你现有结构为{分组名: [对应原取值列表]}的映射字典，只需做一次字典推导式翻转，得到{原取值: 对应分组名}的查找表，预处理复杂度为O(n)，n为所有原取值的总个数，消耗完全可以忽略：

# 你的原始分组规则
group_rule = {
    "financial": ["invalid insurance", "not enough money"],
    "patient problems": ["behavior issues", "anger issues"],
    "occupancy": ["no space in hospital"]
    # 剩余分组规则自行补充
}

# 翻转得到正向查找表
lookup_dict = {reason: group for group, reason_list in group_rule.items() for reason in reason_list}

步骤2：向量化生成新列 #

直接用Pandas自带的map方法匹配取值，该操作为底层C实现的向量化运算，远快于Python层的循环、apply等操作，就算是千万级数据集也能快速完成：

# 生成归类后的新列
df["reason_for_rejection_grouped"] = df["reason_for_rejection"].map(lookup_dict)

# 可选：如果存在未匹配到的拒因，统一填充为other（可根据你的需求自定义默认分组）
df["reason_for_rejection_grouped"] = df["reason_for_rejection_grouped"].fillna("other")

效果验证 #

拿你提供的样例数据运行后，输出结果和预期完全一致：

内容的提问来源于stack exchange，提问作者Scorks